CN115736886A - 一种基于毫米波雷达的多目标呼吸率参数估计方法 - Google Patents
一种基于毫米波雷达的多目标呼吸率参数估计方法 Download PDFInfo
- Publication number
- CN115736886A CN115736886A CN202211325270.0A CN202211325270A CN115736886A CN 115736886 A CN115736886 A CN 115736886A CN 202211325270 A CN202211325270 A CN 202211325270A CN 115736886 A CN115736886 A CN 115736886A
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- target
- distance
- wave radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种基于毫米波雷达的多目标呼吸率参数估计方法,包括:毫米波雷达接收位于相同距离单元的多个人体目标的回波信号,利用雷达发射信号和回波信号混频处理后获得拍频信号;获取拍频信号的频域形式,根据频率与距离对应关系,得到多目标所在的距离单元;对多目标所在距离单元的信号进行均值滤波,得到去除直流分量的观测信号;对观测信号进行瞬时二阶矩处理,获得瞬时二阶矩信号,提取该复信号其虚部;分别依次提取多个峰值位置,获取处于多人体目标的呼吸率参数。本发明用于解决对于毫米波雷达***在空间和距离均不可分离的多人体目标的呼吸率测量难题,提出仅用单通道数据就可以准确提取分离并估计多目标的呼吸率参数特征。
Description
技术领域
本发明属于信号处理技术领域,尤其涉及一种基于毫米波雷达的多目标呼吸率特参数估计方法背景技术。
背景技术
在监测人体的生命体征时,呼吸是重要的健康指标,可以用于跟踪许多许多领域的疾病,如睡眠障碍、肺病学和心脏病学等领域的疾病。此外,呼吸监测对于诊断和跟踪睡眠呼吸暂停很重要。
传统接触式的呼吸监测的方法比较繁琐,例如测量呼吸时使用呼吸带或鼻探针。这些方法大多数试用于固定的场合,且不适用于长时间的佩戴测量。近几年,也有一些穿戴式的生命体征测量设备,这些设备运用微电子技术、无线通信技术和电子织物技术,外形多类似于普通织物,但依旧存在成本高,测试过程复杂,便捷度低等问题。
基于雷达传感器具有非接触检测、非侵入性、连续简单操作、低成本和低功耗的特点,毫米波雷达可以在非接触的情况下对生命特征进行监测,从而进一步应用于独居老人的健康检测、婴儿监视器、跟踪睡眠呼吸障碍等场景。
传统的基于毫米波雷达的呼吸监测工作需要被监测的生命体彼此远离,但是现实中存在多名被监测者相互靠近或位于同一距离的情况,例如同床的夫妇或新生儿与其母亲。跟踪呼吸时人挨着人时是有待解决难题,两个物体的反射回波叠加并在雷达接收机处相互纠缠。对于距离多人体目标相对较远时,可以使用天线阵列或调频连续波信号来在空间角度或者空间距离分离多人体目标信号。然而,让观测场景中的多个人体目标在空间或者距离上不可分时,现有的基于毫米波雷达无法准确获得被观测的多人体目标的生命体征特征参数。
发明内容
本发明目的在于提供一种基于毫米波雷达的多目标呼吸率参数估计方法,用于解决对于毫米波雷达***在空间和距离均不可分离的多人体目标的呼吸率测量难题,提出仅用单通道数据就可以准确提取分离并估计出多目标的呼吸率参数特征。
为解决上述技术问题,本发明的具体技术方案如下:
一种基于毫米波雷达的多目标呼吸率参数估计方法,其特征在于,具体包括以下步骤:
步骤1、毫米波雷达的发射线性调频连续被信号STx(t),接收在空间中距离雷达有相同距离的多个人体目标的回波信号SRx(t),获得的拍频信号为目标对雷达发射信号和回波信号混频后得到的Sb(t)。
步骤2、对时间域的拍频信号进行快速傅里叶变换得到其频域形式Sb(f),根据频率与距离对应关系fb=2γR(n)c-1,得到多目标所在的距离单元m*。
步骤3、提取多目标所在距离单元的信号Sb(n),对其进行均值滤波,得到去除直流分量的观测信号S(n)。
步骤4、对获取的多目标观测信号进行瞬时二阶矩处理,获得瞬时二阶矩信号P2(s(n),Δ),提取该复信号其虚部。
步骤5、对其进行傅里叶变换提取分离多个峰值位置,估计出多目标的生命体征特征参数。
优选地,所述步骤1包括以下步骤:
步骤1.1、调频连续波雷达***的发射信号可表示为
STx(t)=exp(j(2πfct+πγt2+φ))
其中,j为虚数单位,fc是载波频率,φ是初始相位,PRF为脉冲重复频率。LFMCW的线性调频信号的调制斜率定义为γ=B·PRF。这里的t是快时间,t的定义范围为[-T/2,T/2],其中T=PRF-1。
生命体呼吸时胸壁成周期性位移,生命体征信号的研究可以等价于被测生命体胸壁位移信号的分析。在研究中,将呼吸简化为正弦波信号,则生命体胸壁位移信号x(τ)为
x(τ)=Arsin(2πfrτ)
其中Ar分别表示呼吸信号的幅度,fr分别表示呼吸信号的频率。人体胸壁与雷达的总距离
R(τ)=R0+x(τ)
其中R0表示人体胸壁与雷达的平均距离。
电磁波在散射体反射后,散射体微动引起的频移调制发射信号。接收天线得到的接收信号可表示为
其中c是光速,σ是目标的散射系数,主要由雷达散射截面积和传播损耗决定。
步骤1.2、将发射信号与接收器天线的接收信号进行混频处理,可以得到拍频信号为
其中,(·)*表示复数的共轭运算。Sb(t)的频率fb=2γR(τ)c-1,Sb(t)的相位4πfcR(τ)c-1是慢时间的相位历程,第三项φ2=4πγR2(τ)c-2因为数量级太小可以忽略不计。
假设观测场景中有N个人体目标,与雷达传感器的距离均为R0。在这种情况下,N个散射体的总拍频信号是相应拍频信号的总和,即
Ri(τ)=R0+Arisin(2πfriτ)
其中,σi、Ari和fri分别为第i个目标的散射系数、呼吸的幅度和频率,φ2i=4πγRi 2(τ)c-2。
假设毫米波雷达***的采样频率fs,观测时间长度为T,则获得拍频信号的离散形式为,
Ri(n)=R0+Arisin(2πfrin)
其中n=1,…,N,N=fsT表示信号采样点数
优选地,所述步骤2包括以下步骤:
步骤2.1、对在时间域的拍频信号进行快速傅里叶变换得到其频域形式为
其中sinc(x)=sin(πx)/(πx)。根据频率与距离对应关系fb=2γR(n)c-1可以将频率轴转换为距离轴,这样可以获得多目标位置对应的距离单元m*。
优选地,所述步骤3包括以下步骤:
步骤3.1、多目标处于同一个距离单元,挑选目标所在距离单元的数据之后可以得到
步骤3.3、采用均值滤波去除Sb(n)信号的直流分量:
优选地,所述步骤4包括以下步骤:
步骤4.1、对获取的多目标观测信号S(n)进行瞬时二阶矩处理,获得瞬时二阶矩信号P2(s(n),Δ)为:
提取瞬时二阶矩信号的虚部部分:
当时延量Δ→0时,sin(x)→x。上式可近似为:
其中,Im(·)表示取复数的虚数部分。
优选地,所述步骤5包括以下步骤:对上述近似函数进行傅里叶变换处理,利用门限检测技术分别依次提取多个峰值位置,获取处于相同距离门的多个人体目标的呼吸率参数。
本发明的基于毫米波雷达的多目标呼吸率参数估计方法,具有以下优点:
本发明首先对毫米波雷达单通道信号进行预处理,找到多个同距离目标所在的距离单元,挑选目标所在距离单元的数据后进行均值滤波,获取观测信号的二阶矩函数,通过检测其虚数部分傅里叶变换结果的峰值位置,提取分离多目标的生命特征。该应用不依赖大的天线阵列,仅使用单通道数据,算法过程简单,计算量小。并解决了目前监测呼吸时,被监测的人们距离靠近或相同时造成的射频信号相互干扰的难题,在多种被监测生命体相互靠近的实际场景下准确高效的分离提取其生命特征。
附图说明
图1为本发明实施的一种基于毫米波雷达的多目标呼吸率参数估计方法的流程图;
图2实施例中毫米波雷达***结构示意图;
图3实施例中拍频信号距离-时间分析图;
图4实施例中两个目标所在的相同距离单元示意图;
图5实施例中基于二阶瞬时矩技术后分离提取的双人呼吸频率。
具体实施方式
为了更好地了解本发明的目的、结构及功能,下面结合附图,对本发明一种基于毫米波雷达的多目标呼吸率参数估计方法做进一步详细的描述。
实施例一:
该方法可以解决当被监测目标位于同一距离单元时射频信号相互纠缠和干扰,导致多目标的生命特征无法被分离的问题。此方法提供了一种仅用单通道数据简单高效分离提取同距离多目标的技术。为了验证此方法的有效性,本实施例以如下的场景为例,获取生命体征特征:场景中有两个静止的人体目标,均距离毫米波雷达0.9米,两个人体目标参考呼吸的频率分别为0.2Hz和0.24Hz,两个人体目标参考呼吸的幅度分别为11毫米和9毫米。数字采样率为40Hz,采样时间50秒,输入信噪比为5dB。
本实例公开了一种基于毫米波雷达的多目标呼吸率参数估计方法,生命体征特征为呼吸频率特征,具体实现框图如图1所示,包括如下步骤:
步骤1、毫米波雷达的发射线性调频连续被信号STx(t),接收在空间中距离雷达有相同距离的多个人体目标的回波信号SRx(t),获得的拍频信号为目标对雷达发射信号和回波信号混频后得到的Sb(t)。如图2所示。
步骤1.1、调频连续波雷达***的发射信号可表示为
STx(t)=exp(j(2πfct+πγt2+φ))
其中,j为虚数单位,fc是载波频率,φ是初始相位,PRF为脉冲重复频率。LFMCW的线性调频信号的调制斜率定义为γ=B·PRF。这里的t是快时间,t的定义范围为[-T/2,T/2],其中T=PRF-1。
生命体呼吸时胸壁成周期性位移,生命体征信号的研究可以等价于被测生命体胸壁位移信号的分析。在研究中,将呼吸简化为正弦波信号,则生命体胸壁位移信号x(τ)为
x(τ)=Arsin(2πfrτ)
其中Ar分别表示呼吸信号的幅度,fr分别表示呼吸信号的频率。人体胸壁与雷达的总距离
R(τ)=R0+x(τ)
其中R0表示人体胸壁与雷达的平均距离。
电磁波在散射体反射后,散射体微动引起的频移调制发射信号。接收天线得到的接收信号可表示为
其中c是光速,σ是目标的散射系数,主要由雷达散射截面积和传播损耗决定。
步骤1.2、将发射信号与接收器天线的接收信号进行混频处理,可以得到拍频信号为
其中,(·)*表示复数的共轭运算。Sb(t)的频率fb=2γR(τ)c-1,Sb(t)的相位4πfcR(τ)c-1是慢时间的相位历程,第三项φ2=4πγR2(τ)c-2因为数量级太小可以忽略不计。
假设观测场景中有N个人体目标,与雷达传感器的距离均为R0。在这种情况下,N个散射体的总拍频信号是相应拍频信号的总和,即
Ri(τ)=R0+Arisin(2πfriτ)
其中,σi、Ari和fri分别为第i个目标的散射系数、呼吸的幅度和频率,φ2i=4πγRi 2(τ)c-2。
假设毫米波雷达***的采样频率fs,观测时间长度为T,则获得拍频信号的离散形式为,
Ri(n)=R0+Arisin(2πfrin)
其中n=1,…,N,N=fsT表示信号采样点数。
步骤2、对时间域的拍频信号进行快速傅里叶变换得到其频域形式Sb(f),根据频率与距离对应关系fb=2γR(n)c-1,得到多目标所在的距离单元m*。
步骤2.1、对在时间域的拍频信号进行快速傅里叶变换得到其频域形式为
其中sinc(x)=sin(πx)/(πx)。根据频率与距离对应关系fb=2γR(n)c-1可以将频率轴转换为距离轴,结果如图3所示。这样可以获得多目标位置对应的距离单元m*,如图4所示。
步骤3、提取多目标所在距离单元的信号Sb(n),对其进行均值滤波,得到去除直流分量的观测信号S(n)。
步骤3.1、多目标处于同一个距离单元,挑选目标所在距离单元的数据之后可以得到
步骤3.3、采用均值滤波去除Sb(n)信号的直流分量:
步骤4、对获取的多目标观测信号进行瞬时二阶矩处理,获得瞬时二阶矩信号P2(s(n),Δ),提取该复信号其虚部。
步骤4.1、对获取的多目标观测信号s(n)进行瞬时二阶矩处理,获得瞬时二阶矩信号P2(s(n),Δ)为,
提取瞬时二阶矩信号的虚部部分
当时延量Δ→0时,sin(x)→x。上式可近似为:
其中,Im(·)表示取复数的虚数部分。
步骤5、对其进行傅里叶变换提取分离多个峰值位置,估计出多目标的生命体征特征参数。
步骤5.1、对上述近似函数进行傅里叶变换处理,利用门限检测技术分别依次提取多个峰值位置,获取处于相同距离门的多个人体目标的呼吸率参数。
可以理解,本发明是通过一些实施例进行描述的,本领域技术人员知悉的,在不脱离本发明的精神和范围的情况下,可以对这些特征和实施例进行各种改变或等效替换。另外,在本发明的教导下,可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此,本发明不受此处所公开的具体实施例的限制,所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。
Claims (6)
1.一种基于毫米波雷达的多目标呼吸率参数估计方法,其特征在于,包括以下步骤:
步骤1、毫米波雷达的发射线性调频连续被信号STx(t),接收在空间中距离雷达有相同距离的多个人体目标的回波信号SRx(t),获得的拍频信号为目标对雷达发射信号和回波信号混频后得到的Sb(t);
步骤2、对时间域的拍频信号进行快速傅里叶变换得到其频域形式Sb(f),根据频率与距离对应关系,得到多目标所在的距离单元m*;
步骤3、提取多目标所在距离单元的信号Sb(n),对其进行均值滤波,得到去除直流分量的观测信号S(n);
步骤4、对获取的多目标观测信号进行瞬时二阶矩处理,获得瞬时二阶矩信号P2(s(n),Δ),提取瞬时二阶矩信号的虚部;
步骤5、对瞬时二阶矩信号的虚部进行傅里叶变换提取分离多个峰值位置,估计出多目标的生命体征特征参数。
2.根据权利要求1所述的基于毫米波雷达的多目标呼吸率参数估计方法,其特征在于,所述步骤1具体包括以下步骤:
步骤1.1、调频连续波雷达***的发射信号表示为
STx(t)=exp(j(2πfct+πγt2+φ))
其中,j为虚数单位,fc是载波频率,φ是初始相位,PRF为脉冲重复频率;LFMCW的线性调频信号的调制斜率定义为γ=B·PRF;t是快时间,t的定义范围为[-T/2,T/2],其中T=PRF-1;
将呼吸简化为正弦波信号,则生命体胸壁位移信号x(τ)为
x(τ)=Ar sin(2πfrτ)
其中Ar分别表示呼吸信号的幅度,fr分别表示呼吸信号的频率;人体胸壁与雷达的总距离
R(τ)=R0+x(τ)
其中R0表示人体胸壁与雷达的平均距离;
接收天线得到的接收信号表示为
其中c是光速,σ是目标的散射系数;
步骤1.2、将发射信号与接收器天线的接收信号进行混频处理,得到拍频信号为
其中,(·)*表示复数的共轭运算;Sb(t)的频率fb=2γR(τ)c-1,Sb(t)的相位4πfcR(τ)c-1是慢时间的相位历程,忽略第三项φ2=4πγR2(τ)c-2;
假设观测场景中有N个人体目标,与雷达传感器的距离均为R0;N个散射体的总拍频信号是相应拍频信号的总和,即
Ri(τ)=R0+Ari sin(2πfriτ)
其中,σi、Ari和fri分别为第i个目标的散射系数、呼吸的幅度和频率,φ2i=4πγRi 2(τ)c-2;
假设毫米波雷达***的采样频率fs,观测时间长度为T,则获得拍频信号的离散形式为,
Ri(n)=R0+Ari sin(2πfrin)
其中n=1,…,N,N=fsT表示信号采样点数。
6.根据权利要求5所述的基于毫米波雷达的多目标呼吸率参数估计方法,其特征在于,所述步骤5具体包括以下步骤:
对上述近似函数进行傅里叶变换处理,利用门限检测技术分别依次提取多个峰值位置,获取处于相同距离门的多个人体目标的呼吸率参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211325270.0A CN115736886A (zh) | 2022-10-27 | 2022-10-27 | 一种基于毫米波雷达的多目标呼吸率参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211325270.0A CN115736886A (zh) | 2022-10-27 | 2022-10-27 | 一种基于毫米波雷达的多目标呼吸率参数估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115736886A true CN115736886A (zh) | 2023-03-07 |
Family
ID=85353643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211325270.0A Pending CN115736886A (zh) | 2022-10-27 | 2022-10-27 | 一种基于毫米波雷达的多目标呼吸率参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115736886A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116643268A (zh) * | 2023-04-23 | 2023-08-25 | 中国医学科学院北京协和医院 | 一种基于毫米波雷达的心肺复苏按压检测评估方法及*** |
CN116982957A (zh) * | 2023-09-12 | 2023-11-03 | 清澜技术(深圳)有限公司 | 基于毫米波雷达的非接触式生命体征数据监测方法 |
-
2022
- 2022-10-27 CN CN202211325270.0A patent/CN115736886A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116643268A (zh) * | 2023-04-23 | 2023-08-25 | 中国医学科学院北京协和医院 | 一种基于毫米波雷达的心肺复苏按压检测评估方法及*** |
CN116643268B (zh) * | 2023-04-23 | 2024-03-22 | 中国医学科学院北京协和医院 | 一种基于毫米波雷达的心肺复苏按压检测评估方法及*** |
CN116982957A (zh) * | 2023-09-12 | 2023-11-03 | 清澜技术(深圳)有限公司 | 基于毫米波雷达的非接触式生命体征数据监测方法 |
CN116982957B (zh) * | 2023-09-12 | 2024-06-07 | 清澜技术(深圳)有限公司 | 基于毫米波雷达的非接触式生命体征数据监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | mmHRV: Contactless heart rate variability monitoring using millimeter-wave radio | |
CN115736886A (zh) | 一种基于毫米波雷达的多目标呼吸率参数估计方法 | |
CN105476602A (zh) | 非接触式人体生命体征测量方法及装置 | |
Ambrosanio et al. | A multi-channel ultrasound system for non-contact heart rate monitoring | |
CN115399747B (zh) | 一种基于毫米波雷达的多人生命体征监测方法 | |
Pramudita et al. | Radar system for detecting respiration vital sign of live victim behind the wall | |
JP2023533883A (ja) | 生体情報取得装置及び生体情報取得方法 | |
CN114847911A (zh) | 一种基于毫米波雷达的多人生命体征监测方法 | |
Weishaupt et al. | Vital sign localization and measurement using an LFMCW MIMO radar | |
Rong et al. | Cardiac sensing exploiting an ultra-wideband terahertz sensing system | |
Alizadeh et al. | Remote heart rate sensing with mm-wave radar | |
CN114366052A (zh) | 一种基于毫米波雷达的养老院智能监护***及方法 | |
Lee et al. | Doppler radar in respiratory monitoring: Detection and analysis | |
Wang et al. | Noncontact extraction of biomechanical parameters in gait analysis using a multi-input and multi-output radar sensor | |
Wang et al. | HeRe: Heartbeat signal reconstruction for low-power millimeter-wave radar based on deep learning | |
Rong et al. | Novel Respiration-Free Heartbeat Detection Algorithm Using Millimeter-Wave Radar | |
Xue et al. | Accurate multi-target vital signs detection method for FMCW radar | |
Hu et al. | The effect of multi-directional on remote heart rate measurement using PA-LI joint ICEEMDAN method with mm-wave FMCW radar | |
Yamamoto et al. | Non-contact heartbeat detection by MUSIC with discrete cosine transform-based parameter adjustment | |
Pan et al. | A spectrum estimation approach for accurate heartbeat detection using Doppler radar based on combination of FTPR and TWV | |
CN113729678B (zh) | 一种基于毫米波雷达的无线体征测量*** | |
Widiyasari et al. | Contactless respiratory rate monitoring using FMCW radar | |
Srihari et al. | Measurement and evaluation of human vital sign using 77ghz awr1642 fmcw radar sensor | |
Gao et al. | A new direction for biosensing: RF sensors for monitoring cardio-pulmonary function | |
Čuljak et al. | A data-fusion algorithm for respiration rate extraction based on UWB transversal propagation method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |